import pyecharts

import pyecharts.options as opts
from pyecharts.charts import Scatter
from pyecharts.charts import Line

import  pandas as pd
import  numpy as np

import xlrd

global df_fuzhou
global df_putian
global df_quanzhou
global df_xiamen
global df_zhang
global df_long
global df_san
global df_nan
global df_ning

for i in country:
    

df_fu=pd.read_excel('C:/Users/ADMIN/Desktop/研究生/预测输入数据_20220325.xlsx',sheet_name='福州')
df_pu=pd.read_excel('C:/Users/ADMIN/Desktop/研究生/预测输入数据_20220325.xlsx',sheet_name='莆田')
df_quan=pd.read_excel('C:/Users/ADMIN/Desktop/研究生/预测输入数据_20220325.xlsx',sheet_name='泉州')
df_xia=pd.read_excel('C:/Users/ADMIN/Desktop/研究生/预测输入数据_20220325.xlsx',sheet_name='厦门')
df_zhang=pd.read_excel('C:/Users/ADMIN/Desktop/研究生/预测输入数据_20220325.xlsx',sheet_name='漳州')
df_long=pd.read_excel('C:/Users/ADMIN/Desktop/研究生/预测输入数据_20220325.xlsx',sheet_name='龙岩')
df_san=pd.read_excel('C:/Users/ADMIN/Desktop/研究生/预测输入数据_20220325.xlsx',sheet_name='三明')
df_nan=pd.read_excel('C:/Users/ADMIN/Desktop/研究生/预测输入数据_20220325.xlsx',sheet_name='南平')
df_ning=pd.read_excel('C:/Users/ADMIN/Desktop/研究生/预测输入数据_20220325.xlsx',sheet_name='宁德')

df_fu_1=df_fu.loc[:1144,'大工业'].tolist()
df_pu_1=df_pu.loc[:1144,'大工业'].tolist()
df_quan_1=df_quan.loc[:1144,'大工业'].tolist()
df_xia_1=df_xia.loc[:1144,'大工业'].tolist()
df_zhang_1=df_zhang.loc[:1144,'大工业'].tolist()
df_long_1=df_long.loc[:1144,'大工业'].tolist()
df_san_1=df_san.loc[:1144,'大工业'].tolist()
df_nan_1=df_nan.loc[:1144,'大工业'].tolist()
df_ning_1=df_ning.loc[:1144,'大工业'].tolist()

df4=df_quanzhou.loc[:1144,:]
df4

	日期	大工业	非普工业	居民生活	非居民照明	商业用电	农业	抽蓄电量	趸售	最高气温	最低气温	星期	是否节假日	节日	农历	平均气温	电量数据源
0	2019-01-01	0.438762	0.137428	0.275215	0.022779	0.089111	0.007202	NaN	NaN	16	12	星期二	1	元旦	十一月廿六	14.0	用采
1	2019-01-02	0.524628	0.198761	0.263632	0.024709	0.089175	0.007177	NaN	NaN	13	12	星期三	0	NaN	十一月廿七	12.5	用采
2	2019-01-03	0.558072	0.209736	0.262698	0.024721	0.088201	0.006877	NaN	NaN	16	13	星期四	0	NaN	十一月廿八	14.5	用采
3	2019-01-04	0.564177	0.210542	0.252912	0.024019	0.088205	0.007008	NaN	NaN	23	16	星期五	0	NaN	十一月廿九	19.5	用采
4	2019-01-05	0.564997	0.207358	0.251636	0.022573	0.087632	0.007049	NaN	NaN	18	14	星期六	1	NaN	十一月三十	16.0	用采
...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...
1140	2022-02-14	0.493138	0.110315	0.305311	0.028472	0.111847	0.008121	NaN	0.009253	16	9	星期一	0	NaN	一月十四	12.5	营销
1141	2022-02-15	0.548978	0.103534	0.313201	0.028553	0.109866	0.008151	NaN	0.005346	17	9	星期二	0	元宵节	一月十五	13.0	营销
1142	2022-02-16	0.555845	0.131694	0.303118	0.028464	0.111444	0.008234	NaN	0.005676	17	10	星期三	0	NaN	一月十六	13.5	营销
1143	2022-02-17	0.584695	0.150042	0.305739	0.028851	0.113847	0.008398	NaN	0.006376	15	10	星期四	0	NaN	一月十七	12.5	营销
1144	2022-02-18	0.616479	0.165172	0.313179	0.029180	0.115898	0.008387	NaN	0.006890	14	11	星期五	0	NaN	一月十八	12.5	营销

1145 rows × 17 columns

df1=df_fu.loc[:1179,:]
df1

	日期	大工业	非普工业	居民生活	非居民照明	商业用电	农业	抽蓄电量	趸售	最高气温	最低气温	星期	是否节假日	节日	农历	平均气温	电量数据源
0	2019-01-01	0.518497	0.065579	0.333078	0.034857	0.127522	0.011882	NaN	NaN	12	9	星期二	1	元旦	十一月廿六	10.5	用采
1	2019-01-02	0.584312	0.076895	0.326599	0.043124	0.134476	0.012063	NaN	NaN	12	10	星期三	0	NaN	十一月廿七	11.0	用采
2	2019-01-03	0.611773	0.079043	0.324024	0.042798	0.133166	0.012062	NaN	NaN	14	11	星期四	0	NaN	十一月廿八	12.5	用采
3	2019-01-04	0.600721	0.076386	0.304406	0.039722	0.128625	0.012150	NaN	NaN	21	14	星期五	0	NaN	十一月廿九	17.5	用采
4	2019-01-05	0.604838	0.075042	0.300706	0.033577	0.122537	0.012214	NaN	NaN	16	13	星期六	1	NaN	十一月三十	14.5	用采
...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...
1175	2022-03-21	0.751320	0.092385	0.295570	0.042695	0.140210	0.014204	NaN	NaN	17	12	星期一	0	NaN	二月十九	14.5	营销
1176	2022-03-22	0.734285	0.082307	0.307354	0.043304	0.137838	0.014264	NaN	NaN	13	12	星期二	0	NaN	二月二十	12.5	营销
1177	2022-03-23	0.729631	0.083010	0.317733	0.044003	0.138312	0.014287	NaN	NaN	13	11	星期三	0	NaN	二月廿一	12.0	营销
1178	2022-03-24	0.739850	0.082859	0.315146	0.043167	0.136990	0.014453	NaN	NaN	18	15	星期四	0	NaN	二月廿二	16.5	营销
1179	2022-03-25	0.738420	0.081060	0.311317	0.043292	0.137690	0.014443	NaN	NaN	19	18	星期五	0	NaN	二月廿三	18.5	NaN

1180 rows × 17 columns

df_date=df_fu['日期'].tolist()

country=['福州','莆田','泉州','厦门','漳州','龙岩','三明','南平','宁德']

df4_1=df4['大工业'].tolist()

df3_1=df3['大工业'].tolist()

df_date=df1['日期'].tolist()
df_1=df1['大工业'].tolist()
df_2=df1['非普工业'].tolist()

大工业 、非普工业、居民生活、非居民照明、商业用电、农业

line=Line(init_opts=opts.InitOpts(theme='white',
                                      width='900px',
                                      height='500px'))
line.add_xaxis(xaxis_data=df_date)
line.add_yaxis(series_name="厦门大工业",y_axis=df_xia_1,label_opts=opts.LabelOpts(is_show=False))
line.add_yaxis(series_name="福州大工业",y_axis=df_fu_1,label_opts=opts.LabelOpts(is_show=False))
line.add_yaxis(series_name="泉州大工业",y_axis=df_quan_1,label_opts=opts.LabelOpts(is_show=False))
line.add_yaxis(series_name="莆田大工业",y_axis=df_pu_1,label_opts=opts.LabelOpts(is_show=False))
line.add_yaxis(series_name="漳州大工业",y_axis=df_zhang_1,label_opts=opts.LabelOpts(is_show=False))
line.add_yaxis(series_name="龙岩大工业",y_axis=df_long_1,label_opts=opts.LabelOpts(is_show=False))
line.add_yaxis(series_name="三明大工业",y_axis=df_san_1,label_opts=opts.LabelOpts(is_show=False))
line.add_yaxis(series_name="南平大工业",y_axis=df_nan_1,label_opts=opts.LabelOpts(is_show=False))
line.add_yaxis(series_name="宁德大工业",y_axis=df_ning_1,label_opts=opts.LabelOpts(is_show=False))

#line.add_yaxis(series_name="厦门非普工业",y_axis=df_2,label_opts=opts.LabelOpts(is_show=False))
               
line.set_global_opts(     #x轴配置
        xaxis_opts=opts.AxisOpts(
            #name ='用电类别',
            name_location = 'center',
            name_gap = 30,
            # 坐标轴类型 'value': 数值轴,category
            type_="category",
            # 分割线配置项
            
        ),


        # 提示框配置项
        tooltip_opts=opts.TooltipOpts(is_show=True), # 显示提示框组件
        title_opts=opts.TitleOpts(title="2021年11月厦门六类用电量",pos_left='35%',pos_top='10%'),
    )
line.set_global_opts(datazoom_opts=opts.DataZoomOpts(type_='slider',range_end=50)) # 设置起止位置，50%-100%
                                                       
line.render('大工业.html')   #类型选择  slider ,inside
                  

'E:\\myjupyter2\\数据练习\\大工业.html'

line=Line(init_opts=opts.InitOpts(theme='white',
                                      width='900px',
                                      height='500px'))
line.add_xaxis(xaxis_data=df_date)
line.add_yaxis(series_name="厦门非普工业",y_axis=df_xia.loc[:1144,'非普工业'].tolist(),label_opts=opts.LabelOpts(is_show=False))
line.add_yaxis(series_name="福州非普工业",y_axis=df_fu.loc[:1144,'非普工业'],label_opts=opts.LabelOpts(is_show=False))
line.add_yaxis(series_name="泉州非普工业",y_axis=df_quan.loc[:1144,'非普工业'],label_opts=opts.LabelOpts(is_show=False))
line.add_yaxis(series_name="莆田非普工业",y_axis=df_pu.loc[:1144,'非普工业'],label_opts=opts.LabelOpts(is_show=False))
line.add_yaxis(series_name="漳州非普工业",y_axis=df_zhang.loc[:1144,'非普工业'],label_opts=opts.LabelOpts(is_show=False))
line.add_yaxis(series_name="龙岩非普工业",y_axis=df_long.loc[:1144,'非普工业'],label_opts=opts.LabelOpts(is_show=False))
line.add_yaxis(series_name="三明非普工业",y_axis=df_san.loc[:1144,'非普工业'],label_opts=opts.LabelOpts(is_show=False))
line.add_yaxis(series_name="南平非普工业",y_axis=df_nan.loc[:1144,'非普工业'],label_opts=opts.LabelOpts(is_show=False))
line.add_yaxis(series_name="宁德非普工业",y_axis=df_ning.loc[:1144,'非普工业'],label_opts=opts.LabelOpts(is_show=False))

#line.add_yaxis(series_name="厦门非普工业",y_axis=df_2,label_opts=opts.LabelOpts(is_show=False))
               
line.set_global_opts(     #x轴配置
        xaxis_opts=opts.AxisOpts(
            #name ='用电类别',
            name_location = 'center',
            name_gap = 30,
            # 坐标轴类型 'value': 数值轴,category
            type_="category",
            # 分割线配置项
            
        ),


        # 提示框配置项
        tooltip_opts=opts.TooltipOpts(is_show=True), # 显示提示框组件
        title_opts=opts.TitleOpts(title="非普用电",pos_left='35%',pos_top='10%'),
    )
line.set_global_opts(datazoom_opts=opts.DataZoomOpts(type_='slider',range_end=50)) # 设置起止位置，50%-100%
                                                       
line.render('feipu.html')   #类型选择  slider ,inside

'E:\\myjupyter2\\数据练习\\feipu.html'

line=Line(init_opts=opts.InitOpts(theme='white',
                                      width='900px',
                                      height='500px'))
line.add_xaxis(xaxis_data=df_date)
line.add_yaxis(series_name="厦门居民生活",y_axis=df_xia.loc[:1144,'居民生活'].tolist(),label_opts=opts.LabelOpts(is_show=False))
line.add_yaxis(series_name="福州居民生活",y_axis=df_fu.loc[:1144,'居民生活'],label_opts=opts.LabelOpts(is_show=False))
line.add_yaxis(series_name="泉州居民生活",y_axis=df_quan.loc[:1144,'居民生活'],label_opts=opts.LabelOpts(is_show=False))
line.add_yaxis(series_name="莆田居民生活",y_axis=df_pu.loc[:1144,'居民生活'],label_opts=opts.LabelOpts(is_show=False))
line.add_yaxis(series_name="漳州居民生活",y_axis=df_zhang.loc[:1144,'居民生活'],label_opts=opts.LabelOpts(is_show=False))
line.add_yaxis(series_name="龙岩居民生活",y_axis=df_long.loc[:1144,'居民生活'],label_opts=opts.LabelOpts(is_show=False))
line.add_yaxis(series_name="三明居民生活",y_axis=df_san.loc[:1144,'居民生活'],label_opts=opts.LabelOpts(is_show=False))
line.add_yaxis(series_name="南平居民生活",y_axis=df_nan.loc[:1144,'居民生活'],label_opts=opts.LabelOpts(is_show=False))
line.add_yaxis(series_name="宁德居民生活",y_axis=df_ning.loc[:1144,'居民生活'],label_opts=opts.LabelOpts(is_show=False))

#line.add_yaxis(series_name="厦门非普工业",y_axis=df_2,label_opts=opts.LabelOpts(is_show=False))
               
line.set_global_opts(     #x轴配置
        xaxis_opts=opts.AxisOpts(
            #name ='用电类别',
            name_location = 'center',
            name_gap = 30,
            # 坐标轴类型 'value': 数值轴,category
            type_="category",
            # 分割线配置项
            
        ),


        # 提示框配置项
        tooltip_opts=opts.TooltipOpts(is_show=True), # 显示提示框组件
        title_opts=opts.TitleOpts(title="非普用电",pos_left='35%',pos_top='10%'),
    )
line.set_global_opts(datazoom_opts=opts.DataZoomOpts(type_='slider',range_end=50)) # 设置起止位置，50%-100%
                                                       
line.render('居民生活.html')   #类型选择  slider ,inside

'E:\\myjupyter2\\数据练习\\居民生活.html'

大工业 、非普工业、居民生活、非居民照明、商业用电、农业
产业与温度的话，得用两个坐标轴

line1=Line()
line1.add_xaxis(xaxis_data=df_date)
line1.add_yaxis(series_name="厦门"+'气温',y_axis=df_xia.loc[:1144,'平均气温'].tolist(),label_opts=opts.LabelOpts(is_show=False))

<pyecharts.charts.basic_charts.line.Line at 0x25a4e9fae48>

from pyecharts import Overlap

---------------------------------------------------------------------------
ImportError                               Traceback (most recent call last)
<ipython-input-8-ceac09510785> in <module>
----> 1 from pyecharts import Overlap

ImportError: cannot import name 'Overlap' from 'pyecharts' (E:\anaconda\lib\site-packages\pyecharts\__init__.py)

.extend_axis(
        yaxis=opts.AxisOpts(
            name="蒸发量",
            type_="value",
            min_=0,
            max_=250,
            position="right",
            axisline_opts=opts.AxisLineOpts(
                linestyle_opts=opts.LineStyleOpts(color=colors[1])
            ),
            axislabel_opts=opts.LabelOpts(formatter="{value} ml"),
        )

i='非居民照明'
j='大工业'
k='非普工业'
l='居民生活'
m='商业用电'
n='农业'
index1=1179
line=Line(init_opts=opts.InitOpts(theme='white',
                                      width='900px',
                                      height='500px'))
line.add_xaxis(xaxis_data=df_date)
line.extend_axis(yaxis=opts.AxisOpts(name='平均气温',type_="value", position="right"))
line.add_yaxis(series_name="厦门"+i,y_axis=df_xia.loc[:index1,i].tolist(),label_opts=opts.LabelOpts(is_show=False))
line.add_yaxis(series_name="厦门"+j,y_axis=df_xia.loc[:index1,j].tolist(),label_opts=opts.LabelOpts(is_show=False))
line.add_yaxis(series_name="厦门"+k,y_axis=df_xia.loc[:index1,k].tolist(),label_opts=opts.LabelOpts(is_show=False))
line.add_yaxis(series_name="厦门"+l,y_axis=df_xia.loc[:index1,l].tolist(),label_opts=opts.LabelOpts(is_show=False))
line.add_yaxis(series_name="厦门"+m,y_axis=df_xia.loc[:index1,m].tolist(),label_opts=opts.LabelOpts(is_show=False))
line.add_yaxis(series_name="厦门"+n,y_axis=df_xia.loc[:index1,n].tolist(),label_opts=opts.LabelOpts(is_show=False))
line.add_yaxis(series_name="厦门"+'气温',y_axis=df_xia.loc[:index1,'平均气温'].tolist(),yaxis_index=1,label_opts=opts.LabelOpts(is_show=False))

                                     
#line.extend_axis(yaxis=opts.AxisOpts(name='type_="value", position="right"))
line.set_global_opts(     #x轴配置
        xaxis_opts=opts.AxisOpts(
            #name ='用电类别',
            name_location = 'center',
            name_gap = 30,
            # 坐标轴类型 'value': 数值轴,category
            type_="category",
            # 分割线配置项
            
        ),
        # 提示框配置项
        tooltip_opts=opts.TooltipOpts(is_show=True), # 显示提示框组件
        title_opts=opts.TitleOpts(title='厦门市',pos_left='35%',pos_top='10%'),
    )
line.set_global_opts(datazoom_opts=opts.DataZoomOpts(type_='slider',range_end=50)) # 设置起止位置，50%-100%
                                                       
line.render_notebook()   #类型选择  slider ,inside

line.overlap(line1)
# line.render("折线散点组合图.html")

line.render_notebook()

overlap = Overlap()
overlap.add(line, is_add_yaxis = True)
overlap.add(line1, is_add_yaxis = True)
 
overlap.render(r"/Users/csdn/pyecharts_example.html")

i='非居民照明'
line=Line(init_opts=opts.InitOpts(theme='white',
                                      width='900px',
                                      height='500px'))
line.add_xaxis(xaxis_data=df_date)
line.add_yaxis(series_name="厦门"+i,y_axis=df_xia.loc[:1144,i].tolist(),label_opts=opts.LabelOpts(is_show=False))
line.add_yaxis(series_name="福州"+i,y_axis=df_fu.loc[:1144,i],label_opts=opts.LabelOpts(is_show=False))
line.add_yaxis(series_name="泉州"+i,y_axis=df_quan.loc[:1144,i],label_opts=opts.LabelOpts(is_show=False))
line.add_yaxis(series_name="莆田"+i,y_axis=df_pu.loc[:1144,i],label_opts=opts.LabelOpts(is_show=False))
line.add_yaxis(series_name="漳州"+i,y_axis=df_zhang.loc[:1144,i],label_opts=opts.LabelOpts(is_show=False))
line.add_yaxis(series_name="龙岩"+i,y_axis=df_long.loc[:1144,i],label_opts=opts.LabelOpts(is_show=False))
line.add_yaxis(series_name="三明"+i,y_axis=df_san.loc[:1144,i],label_opts=opts.LabelOpts(is_show=False))
line.add_yaxis(series_name="南平"+i,y_axis=df_nan.loc[:1144,i],label_opts=opts.LabelOpts(is_show=False))
line.add_yaxis(series_name="宁德"+i,y_axis=df_ning.loc[:1144,i],label_opts=opts.LabelOpts(is_show=False))

#line.add_yaxis(series_name="厦门非普工业",y_axis=df_2,label_opts=opts.LabelOpts(is_show=False))
               
line.set_global_opts(     #x轴配置
        xaxis_opts=opts.AxisOpts(
            #name ='用电类别',
            name_location = 'center',
            name_gap = 30,
            # 坐标轴类型 'value': 数值轴,category
            type_="category",
            # 分割线配置项
            
        ),


        # 提示框配置项
        tooltip_opts=opts.TooltipOpts(is_show=True), # 显示提示框组件
        title_opts=opts.TitleOpts(title=i,pos_left='35%',pos_top='10%'),
    )
line.set_global_opts(datazoom_opts=opts.DataZoomOpts(type_='slider',range_end=50)) # 设置起止位置，50%-100%
                                                       
line.render('非居民照明.html')   #类型选择  slider ,inside

'E:\\myjupyter2\\数据练习\\非居民照明.html'

i='商业用电'
line=Line(init_opts=opts.InitOpts(theme='white',
                                      width='900px',
                                      height='500px'))
line.add_xaxis(xaxis_data=df_date)
line.add_yaxis(series_name="厦门"+i,y_axis=df_xia.loc[:1144,i].tolist(),label_opts=opts.LabelOpts(is_show=False))
line.add_yaxis(series_name="福州"+i,y_axis=df_fu.loc[:1144,i],label_opts=opts.LabelOpts(is_show=False))
line.add_yaxis(series_name="泉州"+i,y_axis=df_quan.loc[:1144,i],label_opts=opts.LabelOpts(is_show=False))
line.add_yaxis(series_name="莆田"+i,y_axis=df_pu.loc[:1144,i],label_opts=opts.LabelOpts(is_show=False))
line.add_yaxis(series_name="漳州"+i,y_axis=df_zhang.loc[:1144,i],label_opts=opts.LabelOpts(is_show=False))
line.add_yaxis(series_name="龙岩"+i,y_axis=df_long.loc[:1144,i],label_opts=opts.LabelOpts(is_show=False))
line.add_yaxis(series_name="三明"+i,y_axis=df_san.loc[:1144,i],label_opts=opts.LabelOpts(is_show=False))
line.add_yaxis(series_name="南平"+i,y_axis=df_nan.loc[:1144,i],label_opts=opts.LabelOpts(is_show=False))
line.add_yaxis(series_name="宁德"+i,y_axis=df_ning.loc[:1144,i],label_opts=opts.LabelOpts(is_show=False))

#line.add_yaxis(series_name="厦门非普工业",y_axis=df_2,label_opts=opts.LabelOpts(is_show=False))
               
line.set_global_opts(     #x轴配置
        xaxis_opts=opts.AxisOpts(
            #name ='用电类别',
            name_location = 'center',
            name_gap = 30,
            # 坐标轴类型 'value': 数值轴,category
            type_="category",
            # 分割线配置项
            
        ),


        # 提示框配置项
        tooltip_opts=opts.TooltipOpts(is_show=True), # 显示提示框组件
        title_opts=opts.TitleOpts(title=i,pos_left='35%',pos_top='10%'),
    )
line.set_global_opts(datazoom_opts=opts.DataZoomOpts(type_='slider',range_end=50)) # 设置起止位置，50%-100%
                                                       
line.render('商业用电.html')   #类型选择  slider ,inside

'E:\\myjupyter2\\数据练习\\商业用电.html'

i='农业'
line=Line(init_opts=opts.InitOpts(theme='white',
                                      width='900px',
                                      height='500px'))
line.add_xaxis(xaxis_data=df_date)
line.add_yaxis(series_name="厦门"+i,y_axis=df_xia.loc[:1144,i].tolist(),label_opts=opts.LabelOpts(is_show=False))
line.add_yaxis(series_name="福州"+i,y_axis=df_fu.loc[:1144,i],label_opts=opts.LabelOpts(is_show=False))
line.add_yaxis(series_name="泉州"+i,y_axis=df_quan.loc[:1144,i],label_opts=opts.LabelOpts(is_show=False))
line.add_yaxis(series_name="莆田"+i,y_axis=df_pu.loc[:1144,i],label_opts=opts.LabelOpts(is_show=False))
line.add_yaxis(series_name="漳州"+i,y_axis=df_zhang.loc[:1144,i],label_opts=opts.LabelOpts(is_show=False))
line.add_yaxis(series_name="龙岩"+i,y_axis=df_long.loc[:1144,i],label_opts=opts.LabelOpts(is_show=False))
line.add_yaxis(series_name="三明"+i,y_axis=df_san.loc[:1144,i],label_opts=opts.LabelOpts(is_show=False))
line.add_yaxis(series_name="南平"+i,y_axis=df_nan.loc[:1144,i],label_opts=opts.LabelOpts(is_show=False))
line.add_yaxis(series_name="宁德"+i,y_axis=df_ning.loc[:1144,i],label_opts=opts.LabelOpts(is_show=False))

#line.add_yaxis(series_name="厦门非普工业",y_axis=df_2,label_opts=opts.LabelOpts(is_show=False))
               
line.set_global_opts(     #x轴配置
        xaxis_opts=opts.AxisOpts(
            #name ='用电类别',
            name_location = 'center',
            name_gap = 30,
            # 坐标轴类型 'value': 数值轴,category
            type_="category",
            # 分割线配置项
            
        ),


        # 提示框配置项
        tooltip_opts=opts.TooltipOpts(is_show=True), # 显示提示框组件
        title_opts=opts.TitleOpts(title=i,pos_left='35%',pos_top='10%'),
    )
line.set_global_opts(datazoom_opts=opts.DataZoomOpts(type_='slider',range_end=50)) # 设置起止位置，50%-100%
                                                       
line.render('农业.html')   #类型选择  slider ,inside

'E:\\myjupyter2\\数据练习\\农业.html'

# 使用pyecharts绘制散点图
x_data = ['大工业','非普工业','居民生活','非居民照明','商业用电','农业']
#y_data = [0.1269594473, 0.09490534945, 0.189478988, 0.04494005512, 0.04201554458, 0.1311511588]
#y_new = [0.03020660129, 0.02035749148, 0.02463537084, 0.0343003891, 0.02736538075, 0.04484024165]

y_data=[0.02842381638258611,0.04684507896080731,0.09102833444699752,0.037652991497774096,0.05284938797389712,0.10379812835361756]

y_new=[0.002269,0.020209401,0.039724664,0.061028660,0.03193740,0.0262369]

y_data=[0.2494673431570422,0.2580639152872651,0.02950394977366279,0.03437019577364595,0.015723175026725402,0.010498576053550993]

y_new=[0.08384028398801714,0.010318300049805468,0.01584363326174563,0.11959341347405453,0.018782848952763095,0.12335134435527495]

scatter1= Scatter(init_opts=opts.InitOpts(width="900px", height="600px"))
scatter1.add_xaxis(xaxis_data=x_data)
scatter1.add_yaxis(
        # 系列名称
    series_name="无疫情",
        # 系列数据
        y_axis=y_data,
        # 标记的大小
        symbol_size=15,
        # 标记的图形
        symbol = None,
        # 是否选中图例
        is_selected = True,
        # 系列 label 颜色
        color = '#f27d7e',
        # 标签配置项
        label_opts=opts.LabelOpts(is_show=True), #显示标签
    )
scatter1.add_yaxis(
        # 系列名称
        series_name="加入疫情",
        # 系列数据
        y_axis=y_new,
        # 标记的大小
        symbol_size=15,
        # 标记的图形
        symbol = None,
        # 是否选中图例
        is_selected = True,
        # 系列 label 颜色
        color = '#6e7f80',
        # 标签配置项
        label_opts=opts.LabelOpts(is_show=True)) #显示标签
scatter1.set_series_opts()
scatter1.set_global_opts(
        #x轴配置
        xaxis_opts=opts.AxisOpts(
            name ='用电类别',
            name_location = 'center',
            name_gap = 30,
            # 坐标轴类型 'value': 数值轴
            type_="category",
            # 分割线配置项
            splitline_opts=opts.SplitLineOpts(is_show=True) #显示分割线
        ),


        # 提示框配置项
        tooltip_opts=opts.TooltipOpts(is_show=True), # 显示提示框组件
        title_opts=opts.TitleOpts(title="厦门管控下六类用电量",pos_left='35%',pos_top='10%'),
    )
scatter1.render('厦门疫情影响.html')
                  

'E:\\myjupyter2\\数据练习\\厦门疫情影响.html'

c = (
     #散点图
     #初始化
    Scatter(init_opts=opts.InitOpts(width="900px", height="600px"))
    .add_xaxis(xaxis_data=x_data)
    .add_yaxis(
        # 系列名称
        series_name="无协变量",
        # 系列数据
        y_axis=y_data,
        # 标记的大小
        symbol_size=15,
        # 标记的图形
        symbol = None,
        # 是否选中图例
        is_selected = True,
        # 系列 label 颜色
        color = '#f27d7e',
        # 标签配置项
        label_opts=opts.LabelOpts(is_show=True), #显示标签
    )
    .add_yaxis(
        # 系列名称
        series_name="有选择加入协变量",
        # 系列数据
        y_axis=y_new,
        # 标记的大小
        symbol_size=15,
        # 标记的图形
        symbol = None,
        # 是否选中图例
        is_selected = True,
        # 系列 label 颜色
        color = '#6e7f80',
        # 标签配置项
        label_opts=opts.LabelOpts(is_show=True), #显示标签
    )

    #系统配置项
    .set_series_opts()
    #全局配置项
    .set_global_opts(
        #x轴配置
        xaxis_opts=opts.AxisOpts(
            name ='用电类别',
            name_location = 'center',
            name_gap = 30,
            # 坐标轴类型 'value': 数值轴
            type_="category",
            # 分割线配置项
            splitline_opts=opts.SplitLineOpts(is_show=True) #显示分割线
        ),


        # 提示框配置项
        tooltip_opts=opts.TooltipOpts(is_show=True), # 显示提示框组件
        title_opts=opts.TitleOpts(title="2021年11月厦门六类用电量",pos_left='35%',pos_top='10%'),
    )
    .render("202111MAPE.html" )
)